物理ラボから Azure Lab Services への移行に関する考慮事項
Azure Lab Services を使用すると、ユーザーがどこからでもいつでもアクセスできるラボ環境を提供できます。 物理ラボから Azure Lab Services に移行する場合は、コストを最小限に抑え、ラボ作成者とユーザーのエクスペリエンスを最適化するために、ラボ構造を再評価する必要があります。 この記事では、物理ラボから Azure Lab Services に移行する際の考慮事項と利点について説明します。
Azure Lab Services への移行に関する考慮事項
物理ラボを Azure Lab Services に移行する場合は、次の側面を考慮する必要があります。
- ラボ構造とは ラボは、複数のクラスなど、さまざまな目的 (共有ラボ) に使用されますか、それとも専用 (単一目的のラボ) ですか?
- ラボのソフトウェア要件は何ですか?
- ラボのハードウェア要件は何ですか? 共有ラボは、すべての使用シナリオのニーズに対応する必要があるため、より高い要件があります。
最適な利点を得るために、ラボとイメージの内容全体を再評価する必要があります。 物理ラボの同じラボ イメージをそのまま再利用することはお勧めしません。
ラボ構造
通常、物理ラボは複数のクラスの学生によって共有されます。 その結果、すべてのクラスのソフトウェア アプリケーションが各ラボ コンピューターに一度にインストールされます。 クラスでラボを使用する場合、学生はクラスに関連するアプリケーションのサブセットのみを実行します。
この種類の物理コンピューター ラボは、多くの場合、ハードウェア要件の増加につながります。
- ラボを共有するクラスに必要なアプリケーションの組み合わせセットをインストールするには、大きなディスク サイズが必要になる場合があります。
- アプリケーションによっては、他のアプリケーションと比較して処理能力が高い場合や、GPU などの特殊なプロセッサが必要な場合があります。 同じラボ コンピューターに複数のアプリケーションをインストールすることにより、各コンピューターには、最もコンピューティング集中型のアプリケーションを実行するための十分なハードウェアが必要です。
このレベルのハードウェアは、メモリ、コンピューティング能力、またはディスク領域が少ないアプリケーションを実行するためにラボのみを使用するクラスでは無駄になります。
Azure Lab Services は、ハードウェアをより効率的に使用するように設計されているため、ユーザーが実際に必要としているものと使用するものに対してのみ課金されます。 Azure Lab Services を使用すると、ラボはより詳細に構成されます。
- クラス (またはクラスのセッション) ごとに 1 つのラボが作成されます。
- ラボのイメージには、その特定のクラスで必要なソフトウェア アプリケーションのみがインストールされます。
この構造は、特定のワークロードに基づいて各クラスの最適な VM サイズを識別するのに役立ち、ディスク サイズの要件を減らすのに役立ちます (Azure Lab Services では現在、127 GB のディスク サイズがサポートされています)。
Azure Lab Services を使用する場合は、単一目的のラボを使用することをお勧めします。
ラボを構造化する方法の詳細については、Azure Lab Services 管理者ガイドを参照してください。
メリット
単一目的ラボを使用する利点は複数あります (たとえば、ラボごとに 1 つのクラス)。
各ラボに適した VM サイズを選択して、コストを最適化します。 次の ユース ケースとコスト分析の例を参照してください。
ラボ VM には、目的に必要なソフトウェアのみが含まれています。 これにより、ラボ作成者によるラボのセットアップとメンテナンスが簡略化され、ラボ ユーザーの明確さが増します。
各ラボへのアクセスは制御されます。 ラボ ユーザーには、必要なラボとソフトウェアへのアクセス権のみが付与されます。 ラボ ユーザーを追加および管理する方法について説明します。
次の機能を利用して、コストをさらに最適化します。
ユース ケースの例
ラボが複数のクラスによって共有される次の物理ラボ構成について考えてみましょう。
- 100 人の学生が登録された SolidWorks を使用するエンジニアリング クラス。
- 100 人の学生も登録されている MATLAB を使用する数学クラス。
物理ラボはこれら 2 つのクラスで共有されているため、各ラボ コンピューターには SolidWorks と MATLAB の両方がインストールされ、Wordや Excel などの他のさまざまな一般的なアプリケーションがインストールされています。 また、通常は GPU が必要であるため、SolidWorks の方がコンピューティング集中型であることに注意することが重要です。
この物理ラボを Azure Lab Services に移動するには:
- 2 つのラボを作成します。1 つはエンジニアリング クラス用、もう 1 つは数学クラス用です。
- 2 つの VM イメージを作成します。1 つは SolidWorks がインストールされ、もう 1 つは MATLAB を使用します。
SolidWorks には GPU が必要であるため、エンジニアリング ラボでは 小さな GPU (視覚化) VM サイズを使用します。 数学クラスのラボでは、 中程度 の VM サイズのみが必要です。
次の図は、この物理ラボを Azure Lab Services に移動するときにラボ構造がどのように変化するかを示しています。
コスト分析
この例では、2 つの VM サイズの使用時間あたりのコストは大きく異なります。
- 小型 GPU (視覚化): 高いコンピューティング能力を提供し、その結果、コストは 1 時間あたり 160 ラボ ユニットです。
- 中: コンピューティング能力は低くなりますが、多くの種類のクラスに適しています。 コストは 1 時間あたりわずか 55 ラボ ユニットです。
個別のラボを使用し、ラボごとに最小の適切な VM サイズを割り当てることで、ラボを実行するための総コストを節約できます。
学生が VM を合計 10 時間使用する使用シナリオを考えてみましょう。
エンジニアリングクラスと数学クラスの両方の学生が共有する小さな GPU (視覚化) サイズを使用する 1 つのラボでは、次の使用量が推定されます。
10 時間 * 200 人の学生 * 160 ラボ ユニット/時間 = 320000 ラボ ユニット
エンジニアリング用に小さい GPU (視覚化) サイズを使用する個別のラボと、数値演算用の中サイズを使用するラボは、次のように見積もられます。
エンジニアリング クラス ラボ: 10 時間 * 100 人の学生 * 160 ラボユニット/時間 = 160000
数学クラス ラボ: 10 時間 * 100 人の学生 * 55 ラボユニット/時間 = 55000
エンジニアリングラボと数学ラボの合計は 215000 です。
より詳細なラボ構造を使用することで、ラボを実行するための合計節約額は 33% になります。 また、学生が実際に VM を使用する時間数に対してのみ課金されることに注意してください。 学生が VM の使用を減らすと、実際のコストは低くなります。
重要
このコスト見積もりは、例を示すためだけのものです。 価格について詳しくは、「Azure Lab Services の価格」をご覧ください。
Azure Lab Services への移行を準備する
Azure Lab Services の使用を開始すると、IT と教職員は計画プロセスの早い段階で次の点を調整する必要があります。
- 各クラスに必要な特定のソフトウェア アプリケーションを特定します。 ラボ ソフトウェアの要件の詳細については、こちらを参照してください。
- ラボを使用して学生が実行するワークロードを理解します。
この情報は、ラボを作成するときに適切な VM サイズを選択し、テンプレート VM でイメージを設定するために必要です。 Azure Lab Services での VM のサイズ設定の詳細については、こちらを参照してください。
適切な VM サイズを確実に選択するには、アプリケーションのハードウェア要件を満たす最小 VM サイズから開始することをお勧めします。 次に、教員にラボ VM に接続して、学生が実行する一般的なワークロードを検証して、パフォーマンスとエクスペリエンスが十分であることを確認します。 クラスの種類を参照すると役立ちます。これは、推奨される VM サイズと共にクラスのアプリケーションを設定する方法の実際の例を示しています。
また、 Azure Compute Gallery は、カスタム イメージの作成と格納に役立ちます。 コンピューティング ギャラリーを使用すると、イメージを 1 回作成し、それを再利用して複数のラボを作成できます。
まとめ
Azure Lab Services には、ラボの実行コストを最適化し、セットアップとメンテナンスを簡略化し、きめ細かいアクセス制御を行う多くの利点があります。 最適な利点を得るために、単一の目的を持つよう Azure Lab Services でラボを構築することをお勧めします。 たとえば、クラスルーム トレーニングごとに個別のラボを作成します。
次のステップ
- ラボ計画の作成を開始します。
- コストの見積もりと分析について理解します。
- ラボの ラボ要件を理解します。
- Azure Lab Services での VM のサイズ設定の詳細については、こちらを参照してください。
フィードバック
https://aka.ms/ContentUserFeedback」を参照してください。
以下は間もなく提供いたします。2024 年を通じて、コンテンツのフィードバック メカニズムとして GitHub の issue を段階的に廃止し、新しいフィードバック システムに置き換えます。 詳細については、「フィードバックの送信と表示